买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种基于可解释图神经网络的阿尔兹海默症诊断系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119446497B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411644129.6，技术领域涉及：G16H50/20；该发明授权一种基于可解释图神经网络的阿尔兹海默症诊断系统是由何鹏;黄定英;崔亚平;吴大鹏;王汝言设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于可解释图神经网络的阿尔兹海默症诊断系统在说明书摘要公布了：本发明涉及一种基于可解释图神经网络的阿尔兹海默症诊断系统，属于医疗物联网技术领域，包括预处理模块、局部图构建模块、重要特征节点选择模块、节点选择过程展示模块、全局图构建模块、阿尔兹海默症诊断模块和全局归因解释模块；基于自注意力池化机制提取神经影像数据中的重要特征节点，并详细阐释局部特征选择过程；再将选择的重要节点信息与非成像数据整合，利用阿尔兹海默症诊断模块对阿尔兹海默症三种分类进行预测，最后利用全局归因解释模块对全局和单样本特征进行归因解释以验证特征选择的有效性。本发明不仅提高了诊断的准确度，还具备良好的可解释性，能够为临床医生提供更为可靠和有效的诊断辅助工具。

本发明授权一种基于可解释图神经网络的阿尔兹海默症诊断系统在权利要求书中公布了：1.一种基于可解释图神经网络的阿尔兹海默症诊断系统，其特征在于：包括： 预处理模块：用于对原始神经影像数据进行预处理，获得标准的T1图像； 局部图构建模块：用于将标准T1图像分割成多个感兴趣区域，构成局部图； 重要特征节点选择模块：用于将局部图作为输入，通过基于自注意力的池化机制实现重要特征节点选择； 节点选择过程展示模块：利用池化机制中的top-k选择策略与热力图相结合，解释重要特征节点选择过程及结果； 全局图构建模块：用于将选择的重要节点特征与非成像特征构成数据样本，随后从数据集中随机选择已知样本和未知样本构成全局图； 阿尔兹海默症诊断模块：用于将全局图作为GNN层的输入，自适应地学习节点间关系，对阿尔兹海默症进行预测，得到阿尔兹海默症诊断结果； 全局归因解释模块：通过可解释的方法可视化特征对结果的影响，理解诊断决策行为； 所述局部图构建模块首先利用哈佛-牛津图谱将预处理过后的标准的T1图像分割成多个感兴趣区域ROI，每个ROI对应一个节点，以构建局部图，同时获得每个节点的特征矩阵以及局部图的邻接矩阵； 所述阿尔兹海默症诊断模块将全局图作为输入，计算边概率矩阵和边权值矩阵，具体包括： 利用先验知识和风险因素计算边概率矩阵： 其中，表示第个风险因素特征，为风险因素特征的个数，是边概率矩阵的第行列，表示节点间的边权值； 然后，通过CNN模型计算节点集中不同节点的相似性，获取两个节点的每个特征间的绝对差值，并从绝对差值中学习边的权重，以获得边权重矩阵 其中，表示第层网络的边权重矩阵中的节点间权重； 由此获得具有概率限制的自度量邻接矩阵 表示元素相乘； 利用SOFTMAX层对矩阵进行归一化，归一化后将其添加到邻接算子族中，以进行节点更新；表示对角线矩阵，用于更新节点时保留节点本身的特征； 利用算子族中的每个算子进行节点更新，并将更新结果累计，然后将累计结果与该层的输入节点进行连接，保留输入节点的特征的同时获得该GNN层的输出节点； 最后，在最后一层进行特征维度更改后，将未知节点的输出直接输入到SOFTMAX层，对输出进行归一化；归一化后的结果是对未知节点的预测，由此完成阿尔兹海默症的诊断预测； 所述全局归因解释模块对训练好的模型通过模型不可知的局部代理可解释融合方法来进行全局归因解释，即通过SHAP来解释全局特征对模型输出的影响，同时采用LIME方法解析各特征对不同类别的影响；由此解释各特征对预测结果的影响，理解模型的诊断决策行为。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。